Python正则获取和过滤或者替换HTML标签的方法说明

. 匹配除换行符以外的任意字符w 匹配字母或数字或下划线或汉字s 匹配任意的空白符d 匹配数字 匹配单词的开始或结束^ 匹配字符串的开始$ 匹配字符串的结束W 匹配任意不是字母，数字，下划线，汉字的字符S 匹配任意不是空白符的字符D 匹配任意非数字的字符B 匹配不是单词开头或结束的位置[^x] 匹配除了x以外的任意字符[^aeiou] 匹配除了aeiou这几个字母以外的任意字符

*重复零次或更多次+重复一次或更多次?重复零次或一次{n}重复n次{n,}重复n次或更多次{n,m}重复n到m次

命名组:(?P<name>.....)这篇文章里面还提到了界定( 问号开头,前向则有个'<p><strong>Python通过正则表达式获取,去除(过滤)或者替换HTML标签代码举例</strong></p><p><span style="color: #800000"><strong>1、Python通过正则表达式取html中天气信息代码示例:<br></strong></span></p><p class="jb51code"><br></p><pre class="brush:py;">#!/usr/bin/env python #-*- coding: utf8 -*- import re   html = """   <h2>多云</h2> """   if name == 'main':   p = re.compile(']+&gt;')   print p.sub("", html)Python通过正则表达式取html中温度信息代码示例:#!/usr/bin/env python #-*- coding: utf8 -*- import re   html = """   <p> <span>14℃</span> </p> """   if name == 'main':   p = re.compile(']+&gt;')   print p.sub("", html)

# -*- coding: utf-8-*-import re##过滤HTML中的标签#将HTML中标签等信息去掉#@param htmlstr HTML字符串.def filter_tags(htmlstr):  #先过滤CDATA  re_cdata=re.compile('//]*//]]&gt;',re.I) #匹配CDATA  re_script=re.compile(']*&gt;[^',re.I)#Script  re_style=re.compile(']*&gt;[^',re.I)#style  re_br=re.compile('<br>')#处理换行  re_h=re.compile('?w+[^&gt;]*&gt;')#HTML标签  re_comment=re.compile('<!--[^>]*-->')#HTML注释  s=re_cdata.sub('',htmlstr)#去掉CDATA  s=re_script.sub('',s) #去掉SCRIPT  s=re_style.sub('',s)#去掉style  s=re_br.sub('',s)#将br转换为换行  s=re_h.sub('',s) #去掉HTML 标签  s=re_comment.sub('',s)#去掉HTML注释  #去掉多余的空行  blank_line=re.compile('+')  s=blank_line.sub('',s)  s=replaceCharEntity(s)#替换实体  return s##替换常用HTML字符实体.#使用正常的字符替换HTML中特殊的字符实体.#你可以添加新的实体字符到CHAR_ENTITIES中,处理更多HTML字符实体.#@param htmlstr HTML字符串.def replaceCharEntity(htmlstr):  CHAR_ENTITIES={'nbsp':' ','160':' ',        'lt':'','62':'&gt;',        'amp':'&amp;','38':'&amp;',        'quot':'"','34':'"',}     re_charEntity=re.compile(r'?(?P<name>w+);')  sz=re_charEntity.search(htmlstr)  while sz:    entity=sz.group()#entity全称，如&gt;    key=sz.group('name')#去除&amp;;后entity,如&gt;为gt    try:      htmlstr=re_charEntity.sub(CHAR_ENTITIES[key],htmlstr,1)      sz=re_charEntity.search(htmlstr)    except KeyError:      #以空串代替      htmlstr=re_charEntity.sub('',htmlstr,1)      sz=re_charEntity.search(htmlstr)  return htmlstrdef repalce(s,re_exp,repl_string):  return re_exp.sub(repl_string,s)if name=='main':  s=file('169it.com_index.htm').read()  news=filter_tags(s)  print news</name>